Distribuição de Equipamentos de Proteção Individual e Insumos– Covid- 19
Marcus Vinicius de Freitas Costa
05 de setembro, 2021
Introdução
Logo SUS
A sigla EPI significa ‘equipamento de proteção individual’, ele é um direito garantido pela Norma Regulamentadora NR06 do Ministério do Trabalho e Emprego (MTE), e é definido como: “todo dispositivo ou produto, de uso individual utilizado pelo trabalhador, destinado à proteção de riscos suscetíveis de ameaçar a segurança e a saúde no trabalho”.
Mesmo antes da pandemia, os EPI’s já eram bastante utilizados, principalmente em indústrias e outros postos de trabalho com maiores riscos ocupacionais. Porém, durante a pandemia não só o Brasil, como todo o restante do globo, passaram a estender essa prática de uso de EPI’s para praticamente toda a população.
São diversos os tipos de EPI’s, empregados entre os quais podemos citar os abaixo os mais populares:
- Óculos de proteção;
- Protetores auriculares;
- Máscaras;
- Magotes;
- Capacetes;
- Luvas;
- Botas,
- Cintos de segurança;
- Protetor solar.
Devido à alta na procura e utilização desses equipamentos no período, planos de logística passaram à ser traçados para garantir a proteção dos profissionais de saúde que atuam na linha de frente do enfretamente à COVID-19.
Nessa análise focaremos na distribuição realizada pelo ministério da saúde em todo o país que auxiliou e reforçou as redes de saúde dos estados e municípios no combate à pandemia.
Nosso objetivo será visualizar quais materiais foram mais vezes solicitados pelos estados até o dia 05/09/2021.
Importar Libs
Bibliotecas que usaremos.
- plotly: Montagem de gráficos 3D interativos
- tidyverse: Biblioteca com funcionalidades gerais para ciência de dados
- ggrepel: Afastar rótulos de texto que podem ser sobreescrever
- knitr: Geração de relatórios dinâmicos
- kableExtra: Permite criação de tabelas HTML estilizadas
- FactoMineR: Realizar a análise de correspondência simples
Importar base de dados
Origem da base de dados: https://opendatasus.saude.gov.br/dataset/distribuicao-de-equipamentos-de-protecao-individual-e-insumos-covid-19
Licenciamento: Os dados disponibilizados pelo Poder Executivo Federal em formato aberto são de livre utilização e reúso, observados os termos constantes do inc. IV do art 3º e do art. 4 do Decreto nº 8777/16.
## material data.saida n.pedido requisitante unidade quantidade status
## 1 Álcool 19/03/2020 308748 Acre Litro 9,6 Entregue
## 2 Álcool 19/03/2020 308748 Acre Litro 42 Entregue
## 3 Álcool 19/03/2020 308499 Acre Litro 12 Entregue
## 4 Álcool 19/03/2020 308500 Acre Litro 12 Entregue
## 5 Álcool 25/03/2020 309483 Acre Litro 48 Entregue
## 6 Álcool 28/03/2020 309979 Acre Litro 19,2 EntregueResumo dos dados da base
material: material de saúde entregue;
data.saida: data de saída para entrega;
n.pedido: número do pedido;
requisitante: Estado de destino;
unidade: unidade de medida;
quantidade: quantidade entregue;
status: status da entrega.
Corrigindo tipos de dados no dataframe
Ao observar nossa base de dados, veremos que os tipos vierão todos como “character”. vamos corrigi-los e realizar um sumário para verificar se tudo está correto agora.
- factor: material, requisitante, status
- numerical: quantidade
- character: n.pedido, unidade
- date: data.saida
## material data.saida n.pedido
## Álcool : 575 Min. :2020-03-17 Length:7055
## Avental : 572 1st Qu.:2020-04-10 Class :character
## Luva :1055 Median :2020-05-25 Mode :character
## Máscara Cirúrgica :1657 Mean :2020-07-03
## Máscara N95 :1258 3rd Qu.:2020-08-27
## Óculos e Protetor Facial:1080 Max. :2021-05-26
## Sapatilha e Touca : 858
## requisitante unidade quantidade
## Outros Órgãos Federais:2041 Length:7055 Min. : 1
## São Paulo : 211 Class :character 1st Qu.: 400
## Pará : 209 Mode :character Median : 3450
## Acre : 206 Mean : 52459
## Santa Catarina : 204 3rd Qu.: 23800
## Tocantins : 204 Max. :14954000
## (Other) :3980 NA's :122
## status
## Entregue:7055
##
##
##
##
##
## Pré-Análise dos dados
Primeiro verificaremos se todas as solicitações analisadas estão com o status de “Entregue”.
## [1] "Entregue"Já podemos ter um insight que todas as solicitações realizadas aqui estão cumpridas, sem necessidade de análises adicionais desse ponto.
Escolha dos atributos para análise
Tendo em vista que nosso objetivo é analisar somente a quantidade de solicitações para os estados ao longo do tempo, podemos selecionar as variáveis “material” e “requisitante” para esse fim.
## material requisitante
## Álcool : 575 Outros Órgãos Federais:2041
## Avental : 572 São Paulo : 211
## Luva :1055 Pará : 209
## Máscara Cirúrgica :1657 Acre : 206
## Máscara N95 :1258 Santa Catarina : 204
## Óculos e Protetor Facial:1080 Tocantins : 204
## Sapatilha e Touca : 858 (Other) :3980Veja bem esse ponto: Ambas são categóricas.
Nesse caso podemos utilizar uma interessante análise não supervisionada para este caso: A análise de Correspondências Simples (Para mais detalhes, pode-se verificar um outro projeto meu explicando passo a passo como é realizada a análise de Correspondência Simples nesse link: Analise_Correspondencia_Covid).
Visualização mais elegante dos dados
Abaixo apenas uma visualização mais detalhista feitas atráves do kable que permite adicionar à tabela estilos à tabelas com nomenclatura do boostrap
| material | requisitante |
|---|---|
| Álcool | Acre |
| Álcool | Acre |
| Álcool | Acre |
| Álcool | Acre |
| Álcool | Acre |
| Álcool | Acre |
Definição da Tabela de Frequências
O primeiro passo de uma análise de correspondência simples é a montagem de um tabela de frequências das nossas duas variáveis, ou seja, demonstrar quantas vezes uma aparece junto à outra.
##
## Álcool Avental Luva Máscara Cirúrgica Máscara N95
## Acre 15 20 36 40 47
## Alagoas 15 18 35 33 29
## Amapá 15 13 32 39 27
## Amazonas 15 25 30 34 27
## Bahia 16 17 34 38 25
## Ceará 15 15 37 39 29
## Distrito Federal 14 14 29 25 24
## Espírito Santo 16 15 35 41 26
## Goiás 15 16 33 38 30
## Maranhão 16 14 36 41 34
## Mato Grosso 15 18 34 42 28
## Mato Grosso do Sul 16 18 33 36 30
## Minas Gerais 16 13 32 38 31
## Outros Órgãos Federais 129 169 141 615 439
## Pará 17 18 37 50 32
## Paraíba 18 15 37 36 27
## Paraná 19 13 32 38 31
## Pernambuco 15 11 35 36 27
## Piauí 15 15 35 40 31
## Rio de Janeiro 16 9 38 31 25
## Rio Grande do Norte 16 15 35 40 26
## Rio Grande do Sul 18 14 35 37 33
## Rondônia 16 14 34 38 27
## Roraima 19 11 29 38 26
## Santa Catarina 18 15 34 46 35
## São Paulo 26 13 30 42 40
## Sergipe 18 12 34 37 26
## Tocantins 16 12 33 49 46
##
## Óculos e Protetor Facial Sapatilha e Touca
## Acre 25 23
## Alagoas 24 20
## Amapá 30 24
## Amazonas 29 25
## Bahia 32 24
## Ceará 31 22
## Distrito Federal 17 16
## Espírito Santo 27 26
## Goiás 29 22
## Maranhão 29 27
## Mato Grosso 27 25
## Mato Grosso do Sul 30 25
## Minas Gerais 26 25
## Outros Órgãos Federais 326 222
## Pará 30 25
## Paraíba 30 22
## Paraná 28 25
## Pernambuco 27 21
## Piauí 29 25
## Rio de Janeiro 26 23
## Rio Grande do Norte 29 21
## Rio Grande do Sul 30 28
## Rondônia 27 24
## Roraima 24 21
## Santa Catarina 33 23
## São Paulo 32 28
## Sergipe 26 25
## Tocantins 27 21Teste qui-Quadrado para verificar aderência da base de dados
Agora devemos verificar se as relações entre as nossas variáveis se dá ou não de forma aleatória.
Se nosso p-value resultante for menor que o grau de significância (nesse caso 0,5) existirá associação.
H0: (Hipótese Nula): Aleatoriedade de associação (Não há associação) H1: (Hipótese Alternativa): Existência de associação
##
## Pearson's Chi-squared test with simulated p-value (based on 2000
## replicates)
##
## data: tab
## X-squared = 279.32, df = NA, p-value = 0.0004998Comprovado via teste estático, que existe relação de associação à um grau de significância de 0.5.
Mapa de Calor dos Resíduos Padronizados Ajustados
Sempre ao analisar um mapa perceptual (o output esperado de nossa modelo) devemos ter conosco um mapa com um os resíduos padronizados ajustados. Esse mapa tem a finalidade de explicitar as maiores relações e ajudará na interpretação do mapa.
Criação do Modelo de análise de Correspondências Simples
Feitos os diagnósticos, podemos então criar nosso modelo utilizando a tabela de frequências anterior. A saída dessa biblioteca é um mapa perceptual bem simples com as duas principais dimensões geradas, ou seja, as que capturam a maior parte da variância.
Podemos confirmar isso pelos eighvalues gerados e sua variância acumulada
## eigenvalue percentage of variance cumulative percentage of variance
## dim 1 0.0325351275 82.175061 82.17506
## dim 2 0.0028309369 7.150192 89.32525
## dim 3 0.0020851058 5.266421 94.59167
## dim 4 0.0012359949 3.121794 97.71347
## dim 5 0.0005019746 1.267854 98.98132
## dim 6 0.0004033196 1.018678 100.00000Agora vamos guardar todas as coordendas geradas (linhas e colunas) num único objeto.
## Dim 1 Dim 2 Dim 3 Dim 4
## Acre 0.04241871 0.041322875 0.181221090 -2.325041e-03
## Alagoas 0.15747457 0.076387614 0.063942860 -4.775720e-03
## Amapá 0.10127833 -0.013956000 -0.054814187 -1.882617e-02
## Amazonas 0.10368860 0.197436229 -0.009974759 7.559079e-02
## Bahia 0.13470681 0.054636236 -0.067932827 9.877262e-05
## Ceará 0.13470351 0.014357961 -0.013740952 -5.053585e-02
## Distrito Federal 0.19102845 0.046849554 0.097560135 2.792679e-02
## Espírito Santo 0.13285973 0.010459207 -0.046613994 -1.691043e-02
## Goiás 0.09794016 0.031192707 0.003522198 -1.374109e-02
## Maranhão 0.10377431 -0.027107371 0.013702159 -1.512101e-02
## Mato Grosso 0.09921928 0.061454899 -0.020148549 -1.663923e-02
## Mato Grosso do Sul 0.11544712 0.058528769 -0.004406782 3.027198e-02
## Minas Gerais 0.09797808 -0.033342842 0.009113406 9.085886e-03
## Outros Órgãos Federais -0.27459902 0.002700964 -0.007192498 -1.044096e-03
## Pará 0.06940287 0.025443230 -0.019357842 -4.036872e-02
## Paraíba 0.17570844 0.003077775 -0.021484593 -1.519839e-03
## Paraná 0.10693605 -0.051632616 -0.008020573 4.582145e-02
## Pernambuco 0.15362008 -0.048508855 -0.010281764 -5.056200e-02
## Piauí 0.10659956 0.005889973 -0.002183944 -2.478820e-02
## Rio de Janeiro 0.24286789 -0.085148538 -0.013612167 -3.627110e-02
## Rio Grande do Norte 0.12898074 0.015721421 -0.037267173 -3.739398e-02
## Rio Grande do Sul 0.12939443 -0.032690643 0.002125021 3.562975e-02
## Rondônia 0.13478651 -0.004333742 -0.025258294 -9.646524e-03
## Roraima 0.10168904 -0.077690238 -0.031621015 3.862777e-02
## Santa Catarina 0.04956145 -0.026369810 -0.006912690 -1.356780e-02
## São Paulo 0.05220766 -0.112128785 0.012107514 1.329184e-01
## Sergipe 0.15917577 -0.050863717 -0.037849440 1.633369e-02
## Tocantins -0.02542915 -0.092730566 0.116214468 -5.142789e-02
## Álcool 0.14473295 -0.066297247 -0.012092705 8.202422e-02
## Avental -0.01116025 0.168332054 0.020991008 2.843808e-02
## Luva 0.35176275 -0.004078271 0.022709999 -4.419654e-02
## Máscara Cirúrgica -0.18288255 -0.011803118 -0.027863375 -2.963727e-02
## Máscara N95 -0.14496120 -0.027333207 0.082213942 6.491366e-03
## Óculos e Protetor Facial -0.02264856 0.004509097 -0.053582681 -2.128077e-03
## Sapatilha e Touca 0.07215680 -0.005581966 -0.033098872 3.081350e-02
## Dim 5
## Acre -0.0189450941
## Alagoas 0.0289729192
## Amapá -0.0246387678
## Amazonas -0.0112735707
## Bahia -0.0011206100
## Ceará 0.0020784642
## Distrito Federal 0.0535861417
## Espírito Santo -0.0064433283
## Goiás -0.0002383666
## Maranhão -0.0434511678
## Mato Grosso 0.0017076577
## Mato Grosso do Sul -0.0248305305
## Minas Gerais -0.0291215614
## Outros Órgãos Federais -0.0001453190
## Pará 0.0330215699
## Paraíba 0.0293333072
## Paraná -0.0031342324
## Pernambuco 0.0010418586
## Piauí -0.0277665254
## Rio de Janeiro -0.0271492250
## Rio Grande do Norte 0.0384054930
## Rio Grande do Sul -0.0500904105
## Rondônia -0.0039900210
## Roraima 0.0583535212
## Santa Catarina 0.0215246531
## São Paulo 0.0126142632
## Sergipe 0.0003887115
## Tocantins 0.0095552474
## Álcool 0.0422676658
## Avental 0.0145104409
## Luva 0.0047829903
## Máscara Cirúrgica 0.0157233750
## Máscara N95 -0.0111556810
## Óculos e Protetor Facial -0.0108842777
## Sapatilha e Touca -0.0441896278Agora vamos criar um objeto com a quantidade de categorias de cada variável da base de dados.
Por fim juntaremos as coordenadas com as categorias
## Dim.1 Dim.2 Dim.3 Dim.4
## Acre 0.04241871 0.041322875 0.181221090 -2.325041e-03
## Alagoas 0.15747457 0.076387614 0.063942860 -4.775720e-03
## Amapá 0.10127833 -0.013956000 -0.054814187 -1.882617e-02
## Amazonas 0.10368860 0.197436229 -0.009974759 7.559079e-02
## Bahia 0.13470681 0.054636236 -0.067932827 9.877262e-05
## Ceará 0.13470351 0.014357961 -0.013740952 -5.053585e-02
## Distrito Federal 0.19102845 0.046849554 0.097560135 2.792679e-02
## Espírito Santo 0.13285973 0.010459207 -0.046613994 -1.691043e-02
## Goiás 0.09794016 0.031192707 0.003522198 -1.374109e-02
## Maranhão 0.10377431 -0.027107371 0.013702159 -1.512101e-02
## Mato Grosso 0.09921928 0.061454899 -0.020148549 -1.663923e-02
## Mato Grosso do Sul 0.11544712 0.058528769 -0.004406782 3.027198e-02
## Minas Gerais 0.09797808 -0.033342842 0.009113406 9.085886e-03
## Outros Órgãos Federais -0.27459902 0.002700964 -0.007192498 -1.044096e-03
## Pará 0.06940287 0.025443230 -0.019357842 -4.036872e-02
## Paraíba 0.17570844 0.003077775 -0.021484593 -1.519839e-03
## Paraná 0.10693605 -0.051632616 -0.008020573 4.582145e-02
## Pernambuco 0.15362008 -0.048508855 -0.010281764 -5.056200e-02
## Piauí 0.10659956 0.005889973 -0.002183944 -2.478820e-02
## Rio de Janeiro 0.24286789 -0.085148538 -0.013612167 -3.627110e-02
## Rio Grande do Norte 0.12898074 0.015721421 -0.037267173 -3.739398e-02
## Rio Grande do Sul 0.12939443 -0.032690643 0.002125021 3.562975e-02
## Rondônia 0.13478651 -0.004333742 -0.025258294 -9.646524e-03
## Roraima 0.10168904 -0.077690238 -0.031621015 3.862777e-02
## Santa Catarina 0.04956145 -0.026369810 -0.006912690 -1.356780e-02
## São Paulo 0.05220766 -0.112128785 0.012107514 1.329184e-01
## Sergipe 0.15917577 -0.050863717 -0.037849440 1.633369e-02
## Tocantins -0.02542915 -0.092730566 0.116214468 -5.142789e-02
## Álcool 0.14473295 -0.066297247 -0.012092705 8.202422e-02
## Avental -0.01116025 0.168332054 0.020991008 2.843808e-02
## Luva 0.35176275 -0.004078271 0.022709999 -4.419654e-02
## Máscara Cirúrgica -0.18288255 -0.011803118 -0.027863375 -2.963727e-02
## Máscara N95 -0.14496120 -0.027333207 0.082213942 6.491366e-03
## Óculos e Protetor Facial -0.02264856 0.004509097 -0.053582681 -2.128077e-03
## Sapatilha e Touca 0.07215680 -0.005581966 -0.033098872 3.081350e-02
## Dim.5 variavel
## Acre -0.0189450941 requisitante
## Alagoas 0.0289729192 requisitante
## Amapá -0.0246387678 requisitante
## Amazonas -0.0112735707 requisitante
## Bahia -0.0011206100 requisitante
## Ceará 0.0020784642 requisitante
## Distrito Federal 0.0535861417 requisitante
## Espírito Santo -0.0064433283 requisitante
## Goiás -0.0002383666 requisitante
## Maranhão -0.0434511678 requisitante
## Mato Grosso 0.0017076577 requisitante
## Mato Grosso do Sul -0.0248305305 requisitante
## Minas Gerais -0.0291215614 requisitante
## Outros Órgãos Federais -0.0001453190 requisitante
## Pará 0.0330215699 requisitante
## Paraíba 0.0293333072 requisitante
## Paraná -0.0031342324 requisitante
## Pernambuco 0.0010418586 requisitante
## Piauí -0.0277665254 requisitante
## Rio de Janeiro -0.0271492250 requisitante
## Rio Grande do Norte 0.0384054930 requisitante
## Rio Grande do Sul -0.0500904105 requisitante
## Rondônia -0.0039900210 requisitante
## Roraima 0.0583535212 requisitante
## Santa Catarina 0.0215246531 requisitante
## São Paulo 0.0126142632 requisitante
## Sergipe 0.0003887115 requisitante
## Tocantins 0.0095552474 requisitante
## Álcool 0.0422676658 material
## Avental 0.0145104409 material
## Luva 0.0047829903 material
## Máscara Cirúrgica 0.0157233750 material
## Máscara N95 -0.0111556810 material
## Óculos e Protetor Facial -0.0108842777 material
## Sapatilha e Touca -0.0441896278 materialÓtimo, já temos tudo que precisamos para criação de nossos mapas.
Criando mapa perceptual bidimensional dos dados
Primeiro plotaremos os dados novamente num plano de 2 dimensões porém num mapa mais detalhado e amigável.
Criando mapa perceptual tridimensional dos dados
Por fim vamos plotar esses dados num gráfico com 3 dimensões dinâmico com o plotly.
## Dim 1 Dim 2 Dim 3 Dim 4
## Acre 0.04241871 0.041322875 0.181221090 -2.325041e-03
## Alagoas 0.15747457 0.076387614 0.063942860 -4.775720e-03
## Amapá 0.10127833 -0.013956000 -0.054814187 -1.882617e-02
## Amazonas 0.10368860 0.197436229 -0.009974759 7.559079e-02
## Bahia 0.13470681 0.054636236 -0.067932827 9.877262e-05
## Ceará 0.13470351 0.014357961 -0.013740952 -5.053585e-02
## Distrito Federal 0.19102845 0.046849554 0.097560135 2.792679e-02
## Espírito Santo 0.13285973 0.010459207 -0.046613994 -1.691043e-02
## Goiás 0.09794016 0.031192707 0.003522198 -1.374109e-02
## Maranhão 0.10377431 -0.027107371 0.013702159 -1.512101e-02
## Mato Grosso 0.09921928 0.061454899 -0.020148549 -1.663923e-02
## Mato Grosso do Sul 0.11544712 0.058528769 -0.004406782 3.027198e-02
## Minas Gerais 0.09797808 -0.033342842 0.009113406 9.085886e-03
## Outros Órgãos Federais -0.27459902 0.002700964 -0.007192498 -1.044096e-03
## Pará 0.06940287 0.025443230 -0.019357842 -4.036872e-02
## Paraíba 0.17570844 0.003077775 -0.021484593 -1.519839e-03
## Paraná 0.10693605 -0.051632616 -0.008020573 4.582145e-02
## Pernambuco 0.15362008 -0.048508855 -0.010281764 -5.056200e-02
## Piauí 0.10659956 0.005889973 -0.002183944 -2.478820e-02
## Rio de Janeiro 0.24286789 -0.085148538 -0.013612167 -3.627110e-02
## Rio Grande do Norte 0.12898074 0.015721421 -0.037267173 -3.739398e-02
## Rio Grande do Sul 0.12939443 -0.032690643 0.002125021 3.562975e-02
## Rondônia 0.13478651 -0.004333742 -0.025258294 -9.646524e-03
## Roraima 0.10168904 -0.077690238 -0.031621015 3.862777e-02
## Santa Catarina 0.04956145 -0.026369810 -0.006912690 -1.356780e-02
## São Paulo 0.05220766 -0.112128785 0.012107514 1.329184e-01
## Sergipe 0.15917577 -0.050863717 -0.037849440 1.633369e-02
## Tocantins -0.02542915 -0.092730566 0.116214468 -5.142789e-02
## Dim 5
## Acre -0.0189450941
## Alagoas 0.0289729192
## Amapá -0.0246387678
## Amazonas -0.0112735707
## Bahia -0.0011206100
## Ceará 0.0020784642
## Distrito Federal 0.0535861417
## Espírito Santo -0.0064433283
## Goiás -0.0002383666
## Maranhão -0.0434511678
## Mato Grosso 0.0017076577
## Mato Grosso do Sul -0.0248305305
## Minas Gerais -0.0291215614
## Outros Órgãos Federais -0.0001453190
## Pará 0.0330215699
## Paraíba 0.0293333072
## Paraná -0.0031342324
## Pernambuco 0.0010418586
## Piauí -0.0277665254
## Rio de Janeiro -0.0271492250
## Rio Grande do Norte 0.0384054930
## Rio Grande do Sul -0.0500904105
## Rondônia -0.0039900210
## Roraima 0.0583535212
## Santa Catarina 0.0215246531
## São Paulo 0.0126142632
## Sergipe 0.0003887115
## Tocantins 0.0095552474## Dim 1 Dim 2 Dim 3 Dim 4
## Álcool 0.14473295 -0.066297247 -0.01209270 0.082024219
## Avental -0.01116025 0.168332054 0.02099101 0.028438076
## Luva 0.35176275 -0.004078271 0.02271000 -0.044196541
## Máscara Cirúrgica -0.18288255 -0.011803118 -0.02786337 -0.029637266
## Máscara N95 -0.14496120 -0.027333207 0.08221394 0.006491366
## Óculos e Protetor Facial -0.02264856 0.004509097 -0.05358268 -0.002128077
## Sapatilha e Touca 0.07215680 -0.005581966 -0.03309887 0.030813495
## Dim 5
## Álcool 0.04226767
## Avental 0.01451044
## Luva 0.00478299
## Máscara Cirúrgica 0.01572338
## Máscara N95 -0.01115568
## Óculos e Protetor Facial -0.01088428
## Sapatilha e Touca -0.04418963